17 de julio de 2026Actualizado el Fathy Shalaby11 min de lectura
Productividad del código con IA en 2026: construir se abarató, decidir no
Las herramientas de IA han hecho que construir software sea más barato y más común. La evidencia sobre la velocidad es mixta, y el coste de construir lo que no toca no se ha movido. Esto es lo que dicen realmente los datos de 2025-2026.
La productividad del código con IA ha crecido más en alcance que en velocidad demostrada. En 2025, el 84 % de los desarrolladores usaba o planeaba usar herramientas de IA, pero los ensayos controlados de METR encontraron a desarrolladores experimentados un 19 % más lentos a principios de 2025 y solo indicios débiles de mejora a finales de 2025. Mientras tanto, el 43 % de las startups que fracasaron sigue citando un mal product-market fit. Construir se abarató; saber qué construir, no.
Ideas clave
El código con IA ya es la norma. El 84 % de los desarrolladores usa o planea usar herramientas de IA, y el 50,6 % de los desarrolladores profesionales las usa a diario (Stack Overflow, 2025). Casi el 80 % de los nuevos desarrolladores de GitHub usa Copilot en su primera semana (GitHub Octoverse, 2025).
Las mejoras de velocidad dependen de la tarea. En un ensayo de 2023, los desarrolladores terminaron una tarea de servidor HTTP desde cero un 55,8 % más rápido con Copilot, pero los desarrolladores experimentados en bases de código grandes y maduras fueron un 19 % más lentos con IA en el ensayo de METR de principios de 2025.
La gente sobreestima la mejora. Los desarrolladores de METR esperaban una mejora del 24 % y, tras haber sido frenados, seguían creyendo que la IA los había hecho un 20 % más rápidos.
La mitad cara no se ha movido. En el análisis de CB Insights de 2026 sobre 431 cierres de empresas respaldadas por capital riesgo, el 43 % citó un mal product-market fit (CB Insights, 2026).
La mayoría de las funcionalidades siguen sin usarse. Pendo halló que el 80 % de las funcionalidades de un producto medio se usa poco o nunca (Pendo, 2019).
¿Cuántos desarrolladores usan herramientas de código con IA en 2026?
Casi todos, de una forma u otra. Las encuestas grandes más recientes coinciden en el alcance, incluso donde discrepan sobre el impacto.
Lo que halló la Stack Overflow Developer Survey 2025
La encuesta de 2025, publicada en julio de 2025, informa de que el 84 % de los encuestados usa o planea usar herramientas de IA en el desarrollo, con 33.662 respuestas. Entre los desarrolladores profesionales, el 50,6 % las usa a diario.
Los agentes están antes en la curva: el 14,1 % de los encuestados usa agentes de IA en el trabajo a diario, el 9 % semanalmente, y el 37,9 % no planea usarlos en absoluto (Stack Overflow, 2025).
Lo que halló GitHub Octoverse 2025
El informe Octoverse de GitHub, publicado el 28 de octubre de 2025, cuenta con más de 180 millones de desarrolladores en la plataforma, de los cuales más de 36 millones se unieron en 2025. La actividad creció con ellos:
Casi 1.000 millones de commits enviados en 2025, un 25 % más que el año anterior.
518,7 millones de pull requests fusionadas, un 29 % más.
Más de 1,1 millones de repositorios públicos importan un SDK de LLM, un 178 % más.
Más código lo lanzan más personas. Eso es lo que significa «construir se abarató» en la práctica (GitHub, 2025). También significa más productos compitiendo por los mismos compradores, cada vez más dentro de las respuestas de IA; consulta la explicabilidad de producto.
¿Realmente la IA hace más rápidos a los desarrolladores?
A veces mucho; a veces nada. La respuesta depende de la tarea, de la base de código y de cómo se mida.
Estudio
Quién y qué
Resultado
Peng et al., 2023 (ensayo controlado)
Desarrolladores reclutados que escribían un servidor HTTP en JavaScript
El grupo con Copilot terminó un 55,8 % más rápido
METR, principios de 2025 (ensayo aleatorizado)
16 desarrolladores de código abierto experimentados, 246 tareas reales en repositorios con más de 1 M de líneas de código de media
19 % más lentos con IA permitida (IC del 95 % de +2 % a +39 %)
METR, actualización de finales de 2025 (publicada en feb. de 2026)
57 desarrolladores, más de 800 tareas; 10 que repetían, 47 nuevos
Los desarrolladores que repetían −18 % de tiempo (IC de −38 % a +9 %); los nuevos −4 % (IC de −15 % a +9 %)
Código nuevo frente a código maduro. Escribir desde cero un servidor pequeño es donde la IA brilla. Modificar una base de código de un millón de líneas que conoces bien deja menos margen para la ayuda y más para la carga de revisión.
Percepción frente a medición. Los desarrolladores de METR de principios de 2025 pronosticaron una mejora del 24 % y después creyeron haber sido un 20 % más rápidos, mientras que el reloj marcaba un 19 % más lentos. La productividad autoinformada no es evidencia.
Efectos de selección. En la actualización de finales de 2025, METR informa de que entre el 30 % y el 50 % de los desarrolladores decidió no enviar algunas tareas, y de que los desarrolladores que no querían trabajar sin IA rechazaron participar. METR dice que la verdadera mejora podría ser mucho mayor en las tareas descartadas, y califica sus propios datos de evidencia muy débil de un aumento desde principios de 2025.
¿Y la confianza y la calidad?
En la encuesta de Stack Overflow, el 46 % de los desarrolladores desconfía de la precisión de los resultados de la IA y solo el 33 % confía en ellos. La principal frustración, citada por el 66 %, son las respuestas «casi correctas, pero no del todo». Escribir más rápido no sirve si la revisión y el retrabajo se comen la mejora.
El resumen honesto sobre la productividad del código con IA: la IA hace que producir código sea más barato y más accesible, y a menudo más rápido en trabajo nuevo o bien acotado. No se ha demostrado que haga a los equipos maduros drásticamente más rápidos a la hora de lanzar lo correcto.
Si construir es más barato, ¿por qué siguen fracasando los productos?
Porque el cuello de botella nunca fue solo la velocidad de escritura.
Las startups fracasan por la demanda, no por el código
El análisis de CB Insights de marzo de 2026 examinó 431 empresas respaldadas por capital riesgo que cerraron desde 2023 e identificó las razones de 385 de ellas:
El 70 % se quedó sin capital, lo que CB Insights describe como casi siempre la causa final y no el problema de fondo.
El 43 % tenía un mal product-market fit.
El 29 % citó mal momento o condiciones macroeconómicas.
El 19 % tenía una economía unitaria insostenible.
Las empresas citan varias razones, así que la suma supera el 100 % (CB Insights, 2026). Un código más barato hace que el runway dure más por funcionalidad. No hace nada por un producto que nadie necesita.
La mayoría de las funcionalidades lanzadas apenas se usan
El Feature Adoption Report de Pendo de 2019 analizó 615 suscripciones de Pendo durante tres meses. Halló que el 80 % de las funcionalidades de un producto medio se usa poco o nunca, y que el 12 % de las funcionalidades genera el 80 % del volumen de uso diario. Pendo extrapoló que las empresas de software en la nube que cotizan en bolsa habían invertido hasta 29.500 millones de dólares en construir esas funcionalidades (Pendo, 2019). Rastreamos esa estadística al detalle en por qué el 80 % de las funcionalidades se usa poco o nunca.
Los equipos de producto sienten el riesgo
El State of Product 2026 de Atlassian encuestó a más de 1.000 profesionales de producto en EE. UU. y Europa y halló que el 84 % de los PM teme que sus productos fracasen (Atlassian, 2026). El análisis de Mind the Product sobre ese mismo informe señala que el 80 % de los equipos sigue sin implicar a los ingenieros en la ideación, la definición del problema ni la creación de la roadmap (Mind the Product, 2026).
Productividad del código con IA y fracaso de producto: las cifras en un solo lugar
Qué
Cifra
Fuente y año
Desarrolladores que usan o planean usar herramientas de IA
84 %
Stack Overflow, 2025
Desarrolladores profesionales que usan IA a diario
50,6 %
Stack Overflow, 2025
Desarrolladores que desconfían de la precisión de los resultados de la IA
46 %
Stack Overflow, 2025
Nuevos desarrolladores de GitHub que usan Copilot en la primera semana
Casi el 80 %
GitHub Octoverse, 2025
Pull requests fusionadas en GitHub en un año
518,7 millones (+29 %)
GitHub Octoverse, 2025
Mejora de velocidad en una tarea de código desde cero
55,8 % más rápido
Peng et al., 2023
Efecto en desarrolladores experimentados, repositorios maduros
19 % más lentos
METR, 2025
Startups fallidas respaldadas por capital riesgo que citan mal PMF
43 %
CB Insights, 2026
Funcionalidades que se usan poco o nunca
80 %
Pendo, 2019
PM que temen que su producto fracase
84 %
Atlassian, 2026
¿Qué deberían construir los equipos cuando el código es barato? Un método de 6 pasos
Cuando una funcionalidad cuesta días en lugar de semanas, el riesgo pasa de «¿podemos construirla?» a «¿deberíamos?». Seis pasos evitan que construir barato se convierta en desperdicio barato:
Escribe el problema antes que la solución. Un párrafo: quién tiene el problema, con qué frecuencia y cuánto le cuesta. Usa nuestra plantilla de enunciado del problema de producto si necesitas un formato.
Cuenta la evidencia. Haz una lista de las llamadas, tickets y datos de uso que hay detrás del problema. Menos de 3 fuentes independientes significa que estás adivinando.
Haz primero la prueba más barata. Una fake door, una prueba concierge o cinco entrevistas suelen resolver la duda más rápido que una construcción.
Haz prototipos como prueba, no como compromiso. La IA te permite construir un prototipo funcional en horas; úsalo para observar a usuarios reales y luego decide. Nuestro plan de 7 días para validar un prototipo de IA cubre este paso.
Fija un criterio de cierre antes del lanzamiento. Por ejemplo: «Si menos del 20 % de las cuentas activas la usa en 30 días, la retiramos».
Comprueba la adopción tras el lanzamiento. La mayoría de los equipos no vuelve a mirar, y así se acumula el 80 %.
Un ejemplo práctico: ¿cuánto cuesta ahora una apuesta equivocada?
Escenario ilustrativo: una startup de 6 personas lanza 10 funcionalidades por trimestre. Las herramientas de IA reducen el tiempo de construcción por funcionalidad de 2 semanas de ingeniero a 4 días de ingeniero, de modo que el esfuerzo de construcción del trimestre baja de 20 semanas de ingeniero a 8.
Si se cumple el patrón de Pendo y 8 de esas 10 funcionalidades se usan poco, el equipo sigue gastando 6,4 semanas de ingeniero en construir funcionalidades que nadie necesita. Y sigue pagando por mantener, documentar y dar soporte a las 8. Construir más barato redujo el precio de cada apuesta equivocada; no redujo el número de apuestas equivocadas.
Ahora supón que el equipo dedica 1 día extra por funcionalidad a la evidencia (pasos 1–3 de arriba) y descarta 4 de las 8 ideas débiles antes de construir. Son 10 días de discovery para ahorrar 16 días de ingeniero de construcción, más el mantenimiento continuo de 4 funcionalidades. El retorno viene de mejores decisiones, no de un código más rápido.
¿Qué no muestran estos datos?
La cifra de Pendo es de 2019 y de clientes de Pendo. Es la medición más conocida, no una ley de la naturaleza.
CB Insights cubre solo cierres de empresas respaldadas por capital riesgo. Las empresas autofinanciadas y las que siguen vivas no están en la muestra.
Los ensayos de METR son pequeños (16 y 57 desarrolladores) y se centran en trabajo de código abierto. La propia METR advierte contra leer su estimación central como el efecto general de la IA.
Las muestras de encuestas se autoseleccionan. Los encuestados de Stack Overflow y los usuarios de GitHub no son todos los desarrolladores.
Ninguno de estos estudios vincula el código con IA con la adopción de funcionalidades. La afirmación de que construir más barato aumenta el desperdicio es una inferencia a partir de las cifras, no un resultado medido.
Dónde encaja Specky
Specky trabaja en la mitad cara. Lee llamadas con clientes, feedback, Slack, Jira y analítica en un Product Graph, redacta specs con la evidencia de clientes citada en línea y comprueba tras el lanzamiento si la apuesta funcionó. Si estás eligiendo herramientas para ese trabajo, nuestra comparativa de herramientas de IA para product management cubre Specky y siete alternativas, incluidos los casos en que otras encajan mejor. A medida que la IA abarata la producción, los precios también cambian; consulta el precio por asiento está muriendo.
Preguntas frecuentes
¿Hace la IA más productivos a los desarrolladores?
Depende de la tarea. Un ensayo controlado de 2023 halló que los desarrolladores que usaban Copilot terminaron un nuevo servidor HTTP un 55,8 % más rápido. El ensayo de METR de 2025 halló que los desarrolladores experimentados que trabajaban en sus propias bases de código grandes fueron un 19 % más lentos con IA. El seguimiento de METR de finales de 2025 apuntaba a una mejora, pero sus intervalos de confianza incluían el cero, así que la evidencia de una mejora general grande sigue siendo débil.
¿Qué porcentaje de desarrolladores usa herramientas de código con IA?
En la Stack Overflow Developer Survey 2025, el 84 % de los encuestados usaba o planeaba usar herramientas de IA en su proceso de desarrollo, y el 50,6 % de los desarrolladores profesionales las usaba a diario. El Octoverse 2025 de GitHub informa de que casi el 80 % de los nuevos desarrolladores de GitHub usa Copilot en su primera semana.
¿Qué halló el estudio de METR sobre la IA y la productividad de los desarrolladores?
El ensayo aleatorizado de METR de principios de 2025 dio 246 tareas reales a 16 desarrolladores de código abierto experimentados. Con la IA permitida, las tareas tardaron un 19 % más, a pesar de que los desarrolladores esperaban una mejora del 24 % y después creyeron haber sido un 20 % más rápidos. Una actualización de febrero de 2026 con 57 desarrolladores halló estimaciones puntuales de una mejora del 4 % al 18 %, con amplios intervalos de confianza.
¿Por qué fracasan las startups en 2026?
El análisis de CB Insights de marzo de 2026 sobre 431 cierres de empresas respaldadas por capital riesgo halló que el 70 % se quedó sin capital, normalmente la causa final y no la de fondo. Entre las razones de fondo, el 43 % citó un mal product-market fit, el 29 % mal momento o condiciones macroeconómicas y el 19 % una economía unitaria insostenible. Muchas empresas citaron más de una razón.
¿Es verdad que el 80 % de las funcionalidades de software se usa poco?
Esa cifra procede del Feature Adoption Report de Pendo de 2019, que analizó 615 suscripciones de Pendo durante tres meses y halló que el 80 % de las funcionalidades de un producto medio se usa poco o nunca. Es una medición real, pero antigua y limitada a clientes de Pendo, así que tómala como una señal fuerte y no como una constante universal.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing